MétaCan
Menu
Retour à la cohorte
Enregistrement W4200462098 · doi:10.17985/ijare.951714

Justifying academic dishonesty: A survey of Canadian university students

2021· article· en· W4200462098 sur OpenAlexaffabout
Henry P. H. Chow, Rozzet Jurdi, H. Sam Hage

Notice bibliographique

RevueInternational Journal of Academic Research in Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésAcademic dishonestyMisconductScholarshipPsychologyAcademic integrityCheatingDishonestyPsychological interventionSample (material)Higher educationMedical educationLearning developmentSocial psychologyPolitical scienceMedicineLaw

Résumé

récupéré en direct d'OpenAlex

Academic dishonesty is a growing problem in the higher education sector. Using a sample of 321 undergraduate students at a medium-sized Canadian university, this paper explores the respondents’ acceptability of the various reasons for engagement in academically dishonest behaviour. The findings revealed that respondents displayed moderately negative attitudes toward academic dishonesty and that the top three circumstances under which academically dishonest behaviour would be considered acceptable were pressure to maintain a scholarship, pressure from parents to perform well, and the heavy academic work load. Multiple ordinary least-squares regression analysis revealed that male respondents and those who reported a higher family income, enrolled in more classes, witnessed academic misconduct more frequently, expressed dissatisfaction with academic performance, indicated dissatisfaction with school life, placed less emphasis on intrinsic motivation to pursue higher education, and adopted a surface approach to learning were found to be associated with a greater likelihood of accepting the various justifications for academic dishonesty. The results of this investigation may be utilized by university administrators, academic advisors, and academic counselors to aid in the design of support services and interventions (e.g., explicit guidelines and practical teaching/learning resources) that will serve to prevent academic misconduct and to promote academic integrity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,189
Tête enseignante GPT0,505
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Academic Research in EducationMême sujetAcademic integrity and plagiarismTravaux en français237 207